语音识别 MCP 服务

此服务通过 stdio 和 MCP 模式提供语音识别和文本提取功能。

功能

• 从文件进行语音识别
• 从 base64 编码的数据进行语音识别
• 文本提取
• 支持 stdio 和 MCP 模式
• 结构化的语音识别结果

项目结构

• voice_service.py - 核心服务实现
• stdio_server.py - stdio 模式入口点
• mcp_server.py - MCP 模式入口点
• build.py - 可执行文件的构建脚本
• build_exec.sh - 构建执行脚本
• test_*.sh - 不同功能的测试脚本

安装

1. 克隆仓库：

git clone https://github.com/AIO-2030/mcp_voice_identify.git
cd mcp_voice_identify

2. 安装依赖：

pip install -r requirements.txt

3. 在 .env 中设置环境变量：

API_URL=your_api_url
API_KEY=your_api_key

使用

stdio 模式

1. 运行服务：

python stdio_server.py

2. 通过 stdin 发送 JSON-RPC 请求：

{
    "jsonrpc": "2.0",
    "method": "help",
    "params": {},
    "id": 1
}

3. 或者使用可执行文件：

./dist/voice_stdio

MCP 模式

1. 运行服务：

python mcp_server.py

2. 或者使用可执行文件：

./dist/voice_mcp

语音识别结果

该服务提供结构化的语音识别结果。以下是响应格式的示例：

原始 API 响应

{
    "jsonrpc": "2.0",
    "result": {
        "message": "input processed successfully",
        "results": "test test test",
        "label_result": "<|en|><|EMO_UNKNOWN|><|Speech|><|woitn|>test test test"
    },
    "id": 1
}

重构后的响应

{
    "jsonrpc": "2.0",
    "result": {
        "message": "input processed successfully",
        "results": "test test test",
        "label_result": {
            "lan": "en",
            "emo": "unknown",
            "type": "speech",
            "speaker": "woitn",
            "text": "test test test"
        }
    },
    "id": 1
}

Label Result 字段

label_result 字段包含以下结构化信息：

字段	描述	示例值
lan	语言代码	"en"
emo	情感状态	"unknown"
type	音频类型	"speech"
speaker	说话人标识符	"woitn"
text	识别的文本内容	"test test test"

特殊标签

该服务识别并处理原始响应中的以下特殊标签：

• <|en|> - 语言代码
• <|EMO_UNKNOWN|> - 情感状态
• <|Speech|> - 音频类型
• <|woitn|> - 说话人标识符

构建可执行文件

1. 使构建脚本可执行：

chmod +x build_exec.sh

2. 构建 stdio 模式可执行文件：

./build_exec.sh

3. 构建 MCP 模式可执行文件：

./build_exec.sh mcp

可执行文件将在以下位置创建：

• stdio 模式：dist/voice_stdio
• MCP 模式：dist/voice_mcp

测试

运行测试脚本：

chmod +x test_*.sh
./test_help.sh
./test_voice_file.sh
./test_voice_base64.sh

许可证

此项目根据 MIT 许可证获得许可 - 有关详细信息，请参阅 LICENSE 文件。